汽油是石油炼制企业的一种主要产品,汽油调合是汽油生产过程中的一个重要阶段,汽油调合在影响成品汽油质量的同时,也影响着成品汽油的成本,进而影响到整个企业的经济效益.由于影响油品调合的因素很多,并且,其中一些关键问题仍处在研究阶段,因此在现阶段很难建立起比较精确的调合质量计算(预测)模型.质量计算(预测)模型的计算精度差在影响调合汽油质量预测的同时,也在一定成度上影响了优化模型所得到结果的可靠性.针对这一问题,该文在深入研究了汽油调合实际生产过程特点的基础上,系统地提出了汽油调合质量计算模型建立的思想和方法及相关的优化算法.主要内容及结果如下:1.质量计算模型针对目前汽油调合的研究现状和实际生产要求,依据数据挖掘中预测及机器学习等相关理论,提出基于数据挖掘的汽油调合质量计算模型.即:首先,选取具有较好理论基础的模型(由浙江大学陈新志等提出的汽油调合质量计算模型)作为基础调合质量计算模型,在此基础上,根据反馈回来的实际生产数据对基础模型的组分油相互影响系数进行调整和改进,形成针对多种不同情况的系列模型,因此,该系列模型具有良好的适用性和精确性.这同时也为进一步优化提供了一个良好的基础.由于在整个过程中采用了机器学习的方法,因此,模型能根据实际情况的变化及时做出相应的调整.2.配方优化由于采用的系列模型之间往往是一种离散的关系,所以不能采取通常将质量计算模型同实际约束条件组成的方程联立后,再使用运筹学当中的相关知识来对配方进行优化的"紧耦合"方法求解最优配方.该文提出"松耦合"的优化方法是根据汽油调合的一些特性,针对不同的优化目标,由优化算法提出一定的优化方案,再由质量计算模型来预测该配方质量指标合格与否,优化算法根据该结论进行下一步的优化过程.3.智能油品调合系统根据以上的质量计算模型及优化算法设计了智能油品调合系统.从目前对一些实际生产数据的测试结果来看,该文所提出的质量计算模型具有很高的理论可信度和实际可行性,而配方优化算法也取得了较好的效果.